中文普通话对话语音语料库

音视频
0 下载
89 浏览
2026-08-07

数据集简介

数据集概述

ASR-BigCCSC 是一个面向中文普通话对话场景的大规模语音识别语料库,由 Magic Data Technology(北京晴数智慧科技有限公司)发布。数据集包含 5,873 小时的转录普通话语料,由 10,436 名说话者贡献,覆盖自发性对话中的自然语音现象,如口语化表达、语速变化、重叠语音等,适合用于构建鲁棒的对话式语音识别系统。

样本

数据集中的每个样本包含一段 WAV 格式的音频文件及对应的 TXT 格式的转录文本。音频参数为 16 kHz 或 8 kHz 采样率、16 位量化、单声道;转录文本采用 UTF-8 编码,与音频内容严格对齐。

许可

本数据集采用商业授权(Proprietary),用户需联系数据提供方获取授权。如有需求,可发送邮件至 business@magicdatatech.com 咨询具体使用条款与获取方式。

行业与应用场景

该语料库适用于智能家居、智能客服、语音助手、会议转写等需要处理自然对话的行业场景,也可用于学术研究中关于中文对话语音识别、口语理解、语音合成等方向的探索。

联系方式

  • 地址:北京晴数智慧科技有限公司(具体地址请参考官网)
  • 邮箱:business@magicdatatech.com

基本信息

记录数量未知
文件大小未知
文件格式未知
数据来源Magic Data Technology
音频参数16 kHz / 8 kHz, 16-bit, 单声道
语种中文普通话
语音类型自发对话
数据落地页https://magichub.com/datasets/mandarin-chinese-conversational-speech-corpus-spontaneous-conversation/
语音识别对话语音普通话自发语音ASR

上架信息

数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载

价格

免费